Die Rendite-Falle: KI-Stellenabbau ohne finanziellen Erfolg

KI-gestützter Stellenabbau trägt kaum zur Rendite bei. Der wahre Wert liegt in der Steigerung der Arbeitsproduktivität.

Die Erwartung, dass der Einsatz von künstlicher Intelligenz durch die Verdrängung von Fachkräften unmittelbar zu Kosteneinsparungen und hohen Renditen führt, wird durch aktuelle Marktdaten infrage gestellt. Eine umfassende Untersuchung des Beratungsunternehmens Gartner zeigt, dass viele Unternehmen, die im Zuge der KI-Einführung Entlassungen vorgenommen haben, keine überdurchschnittlichen Kapitalrenditen erzielen konnten. Während die Automatisierung von Aufgaben voranschreitet, korreliert der Abbau von Arbeitsplätzen nicht zwangsläufig mit dem wirtschaftlichen Erfolg der Implementierung. Experten warnen nun davor, KI primär als Werkzeug zur Reduzierung der Belegschaft zu betrachten.

Fehlende Korrelation zwischen Personalabbau und Kapitalrendite

Die Analysten von Gartner befragten 350 Führungskräfte global agierender Unternehmen mit einem Jahresumsatz von mindestens einer Milliarde US-Dollar. Die Ergebnisse zeichnen ein eindeutiges Bild: Etwa 80 Prozent der Unternehmen, die Pilotprojekte im Bereich KI oder autonomer Technologien durchführten, meldeten gleichzeitig eine Reduzierung ihrer Belegschaft. Diese Stellenstreichungen erfolgten jedoch häufig unabhängig davon, ob die Technologie bereits messbare finanzielle Erträge generierte.

Helen Poitevin, Vice President Analyst bei Gartner, betont, dass eine Fokussierung auf den reinen Personalabbau kurzsichtig sei. Die Daten zeigen, dass Unternehmen mit hohen Renditen nicht dieselben sind, die massive Entlassungen vornehmen. Tatsächlich war die Quote des Personalabbaus bei Unternehmen mit hohem ROI fast identisch mit der Quote bei Unternehmen, die geringe Erträge oder sogar verschlechterte Betriebsergebnisse verzeichneten. Der ökonomische Mehrwert scheint demnach nicht durch die Einsparung von Lohnkosten, sondern durch andere Faktoren zu entstehen.

Das Jevons-Paradoxon in Zeiten der Automatisierung

In der ökonomischen Debatte gewinnt ein historisches Konzept wieder an Bedeutung: das Jevons-Paradoxon. Der Chefökonom von Apollo, Torsten Slok, verwies kürzlich auf diese Theorie aus dem 19. Jahrhundert. Damals wurde beobachtet, dass der Bedarf an Kohle stieg, obwohl Dampfmaschinen effizienter wurden und den Kohleverbrauch pro Einheit senkten. Die gesteigerte Effizienz machte die Nutzung so attraktiv, dass die Gesamtnachfrage explodierte.

Übertragen auf die heutige Zeit bedeutet dies, dass KI die Kosten für bestimmte Dienstleistungen oder Arbeitsschritte so stark senken könnte, dass die Nachfrage nach diesen Leistungen enorm ansteigt. Dies könnte langfristig zu mehr statt zu weniger Arbeitsplätzen führen. Ökonomen beobachten bereits, dass Unternehmen, die KI erfolgreich einsetzen, ihre Kapazitäten erweitern und neue Geschäftsfelder erschließen, statt sich auf die reine Verwaltung des Bestands zu konzentrieren. Die Annahme, dass KI ein Nullsummenspiel für den Arbeitsmarkt darstellt, wird durch diese historische Analogie und aktuelle Beobachtungen zunehmend bezweifelt.

People Amplification als Hebel für reale Produktivitätsgewinne

Die Gartner-Studie identifizierte eine klare Gruppe von Gewinnern: Unternehmen, die KI zur Unterstützung und Erweiterung der menschlichen Fähigkeiten einsetzen, anstatt sie zu ersetzen. Dieser Ansatz, der als People Amplification bezeichnet wird, zielt darauf ab, die Produktivität des einzelnen Mitarbeiters zu steigern. Durch die Automatisierung repetitiver Aufgaben gewinnen Fachkräfte Zeit für komplexere und wertschöpfendere Tätigkeiten.

Unternehmen, die diesen Weg verfolgen, berichten laut Poitevin von den höchsten Produktivitätsgewinnen. Hier wird die Technologie als Verstärker genutzt, um schnellere Entscheidungen zu treffen oder die Qualität der Arbeitsergebnisse zu verbessern. Im Gegensatz dazu führt der Versuch, menschliche Intelligenz durch autonome Systeme vollständig zu ersetzen, in vielen Organisationen derzeit noch zu suboptimalen Ergebnissen und begrenzten Renditen, da die Flexibilität und das Kontextwissen der Mitarbeiter fehlen.

Statistiken zum Stellenabbau und das Phänomen des AI Washing

Die Daten des Outplacement-Dienstleisters Challenger, Gray and Christmas untermauern den Trend zu personellen Konsequenzen im Technologiesektor. Allein in den Monaten März und April 2026 war KI der Hauptgrund für angekündigte Entlassungen. Die Gesamtzahl der auf KI zurückgeführten Stellenstreichungen erreichte im bisherigen Jahresverlauf 49.135. Dies entspricht nahezu der Gesamtsumme aller KI-bezogenen Entlassungen des gesamten Vorjahres 2025.

Allerdings wird in der Branche kritisch hinterfragt, ob KI in jedem Fall der wahre Grund für den Stellenabbau ist. Sam Altman wies bereits im Februar auf das sogenannte AI Washing hin. Dabei nutzen Unternehmen die allgemeine KI-Euphorie oder die Transformation als Vorwand, um ohnehin geplante Entlassungen oder strukturelle Anpassungen vorzunehmen, die eigentlich auf andere wirtschaftliche Ursachen zurückzuführen sind. Zudem kürzen Hyperscaler wie Microsoft und Meta ihre Belegschaft in anderen Bereichen, um Kapital für die enormen Investitionen in die physische KI-Infrastruktur und Rechenzentren freizusetzen.

Unterschiedliche Strategien der Führungsebene bei der KI-Einführung

Innerhalb der Führungsetagen herrscht Uneinigkeit über die zukünftige Rolle autonomer Systeme. Etwa ein Drittel der befragten CEOs erwartet, dass KI den Menschen bei der Entscheidungsfindung unterstützen wird, ohne diese jedoch unabhängig zu treffen. Demgegenüber stehen 27 Prozent der Führungskräfte, die davon ausgehen, dass KI Entscheidungen künftig mit minimalem oder ohne menschliches Eingreifen autonom fällen wird.

Auch Dario Amodei, CEO von Anthropic, passte seine Prognosen kürzlich an. Hatte er im Vorjahr noch gewarnt, dass KI die Hälfte der Einstiegspositionen für Akademiker vernichten könnte, spricht er nun vermehrt von einer Ergänzung der Arbeit. Er warnt jedoch weiterhin vor der Geschwindigkeit der Entwicklung. Wenn ein System schneller wächst, als es die Umgebung verkraften kann, entstehen disruptive Effekte, die über das normale Maß historischer Transformationen hinausgehen. Die aktuelle Datenlage deutet darauf hin, dass Unternehmen derzeit noch in einer Phase des Experimentierens stecken und die langfristigen strukturellen Auswirkungen auf die Rendite und die Belegschaftsstruktur noch nicht vollständig verstanden haben.